微粒表面柠檬醛含量的测定：近红外光谱结合化学计量学工具的应用

摘要： 本研究评估了近红外光谱（NIR）结合化学计量学工具测定微粒表面柠檬醛含量（SCCt）的效果。通过喷雾干燥法，采用十二种柠檬醛:糊精比例（CDR）与进风温度（IAT）的组合对柠檬醛进行糊精基质包埋。每个处理组提取六份样品，测定其SCCt值及近红外吸收光谱特征。经预处理后随机划分为建模集与验证集的光谱数据，用于构建以下预测模型：主成分分析-多元线性回归（PCA-MLR）、主成分分析-人工神经网络（PCA-ANN）、偏最小二乘回归（PLSR）及人工神经网络（ANN）。验证阶段显示各模型R2值介于0.73至0.96之间，均方根误差（RMSE）范围为[0.061–0.140]。模型对比表明，完整版与优化版人工神经网络模型拟合效果最佳。本研究表明，结合化学计量学工具的近红外光谱技术可用于测定微粒表面SCCt，其中人工神经网络模型表现尤为突出。